简单的概率dp概述

好久没有写过了，再回来填一填坑。

以前一直以为期望与概率是数学版块里的，结果当它每次和dp一起出现之后，才发现它是数学和dp的结合。而且对于不理解期望概率是啥的萌新表示，真的是连暴力都不会打。而且令人窒息的是这类题的样例也不是很好算，如果不理解题意，真的连样例都都手算不出来。当然这样的好处是一般样例过了就基本上A了。
所以本着学会打暴力的思想，我们学一学概率dp。
先讲一下什么是期望&概率。

首先概率数学上都学过，简单（度娘）来说就是：对于事件A，它的概率定义为：$P(A)=\frac m n$

，其中$n$表示该试验中所有可能出现的基本结果的总数目。$m$表示事件A包含的试验基本结果数。
值得一提的是，在oi当中因为大多数题目中$n$和$m$是有限的，所以我们可以通过枚举$n$和$m$的个数来计算答案。（但是这样的复杂度通常是$2^n$的）
期望相较于概率在数学出现的不那么频繁，但是在oi中期望真的是概率的好几倍。度娘：在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。
用公式表达就是对于事件$i$定义它的权值为$W(i)$，那么结果的期望则是：$sum_{i=1}^n W（i）*P（i）$。

介绍完概念，我们先来看一道题：CF148D Bag of mice
由于codeforces是英文的，就直接贴洛谷上有翻译的。
在概率题当中，推式子是很重要的，一般式子推出来就做了一大半了。（如图）$f_{i,j,A}$到达表示还剩$i$个白色，$j$个黑色且$A$为先手的状态的概率。（$B$同理）

其实仔细观察就可以发现f数组的连边其实是一条DAG，所以我们想到了递推。然而这个题还有一个问题就是在DAG上求拓扑序。由于我比较懒，就使用了记忆化搜索。但是在记忆化搜索中，$f$不再表示起点到达它的概率，而变成了从它开始A获胜的概率。实际上这道题就又变成了倒推。还有一个坑点是int转double（可能就我会掉坑里）
贴一下代码：

#include<iostream>  
#include<cstdio>  
#include<cstring>  
#define A 0  
#define B 1   
using namespace std;  
double f[1005][1005][2];  
bool vis[1005][1005][2];  
int n,m;  

double dp(int w,int b,int p)  
{  
    if(vis[w][b][p]==1) return f[w][b][p];  
    vis[w][b][p]=1;  
    if(w==0) return f[w][b][p]=0;  
    if(p==A)  
    {  
        f[w][b][p]+=(double)w/(w+b);  
        if(b-1>=0)  
          f[w][b][p]+=(double)b/(w+b)*dp(w,b-1,B);  
        return f[w][b][p];  
    }  
    if(p==B)  
    {  
      if(b-1>=0)  
        f[w][b][p]+=(double)w/(w+b-1)*dp(w-1,b-1,A);  
      if(b-2>=0)  
        f[w][b][p]+=(((double)b-1)/(w+b-1))*dp(w,b-2,A);  
      return f[w][b][p]=(double)b/(w+b)*f[w][b][p];  
    }  
}  

int main()  
{  
    //cout<<(double)((2-1)/(1+2-1))*1.0;  
    scanf("%d%d",&n,&m);  
    printf("%.9f",dp(n,m,A));  
}   

做完概率板子，我们来看一看期望：对于一个dag，求它从起点走到终点的期望步数。额，只记得题，不知道在哪儿了。
不过这都没有关系，我们来口头AC一下。

貌似就过了，不过。。。
这tm是对的？我最远才走3步好吧。
刚学期望概率的时候，总有人说，递推要倒退，或者有人说期望倒退，概率正推。这是为什么呢。
观察上图我们发现，我们想用每一个点的值来表示起点到它的概率乘以权值，简单说就是期望步数。但是我们却无法转移这个值，因为我们根本不知道下一步的1应该乘以什么样的权值加入下一个点的期望。而且这样做法有一个致命的问题就是一条路径无法到达终点时，这个方法就没有了意义。
但并不是说不能倒退，既然我们不知道概率，那我们为什么不在算期望的同时计算概率呢？这样的确可以正推。
所以我们不选择正推的方式是因为有点麻烦。
于是就有了倒推，同上，$f(u)$表示 u u <script type="math/tex" id="MathJax-Element-35">u</script>到达终点的期望步数。

这样为什么是对的，我们考虑一下，一个点所到达的所有儿子可以向它转移，而且我们知道这个转移的概率，就是加权求和。
最后一点，讲到倒推，记忆化搜索确实是一个神器，虽然正向连边，但是记忆化搜索实际是在回溯是计算值，正好是倒推。而且在一些正推难以找到递推规律的，记忆化搜索也可以解决。这样我们并不需要什么额外操作就可以实现算法，何乐而不为呢？